用于验证对象的注释的方法和设备技术

提供了一种验证对象的注释的方法

【技术实现步骤摘要】
【国外来华专利技术】用于验证对象的注释的方法和设备


[0001]本公开涉及用于验证基于多个空间数据点标识出的对象的注释的方法和设备，其中，所述注释包括对象的相应分类和空间位置。

技术介绍

[0002]对于驾驶员辅助系统和车辆的自主驾驶，对车辆环境的可靠感知是必要的。为了感知环境，如今激光雷达(Lidar)传感器是重要的部件，例如用于识别车辆环境中的对象。激光雷达传感器通常提供所谓的点云，该点云包括与车辆或激光雷达传感器相关的坐标系中的三维空间数据点。
[0003]除了直接分析由激光雷达传感器提供的这种点云之外，来自点云的数据点通常为许多机器学习算法提供基础，例如通过为神经网络的学习过程提供真实数据。由激光雷达传感器提供的数据点还可以为诸如雷达系统的其它传感器提供真实数据。
[0004]例如，为了生成用于机器学习的真实数据，必须对来自激光雷达传感器的数据点进行注释。即，在激光雷达点云内识别对象，例如手动地或通过某种模式识别系统，将所识别出的对象分类为例如乘用车、行人等，并且例如通过经由类似立方体的几何形状包围所识别出的对象来描述相应对象的空间位置。
[0005]为了提供可靠的数据基础，例如用于机器学习，需要审核被注释的对象。也就是说，必须检查例如对象是否被正确地分类、包围对象的立方体是否以正确的方式放置、各个对象是否被各个立方体紧密且完全地覆盖、立方体的取向是否正确(相对于激光雷达传感器或车辆的坐标系的滚动角、俯仰角和偏航角)等。通常，手动地执行从激光雷达点云导出的被注释的对象的这种审核。这种手动审核是耗时的任务，因为必须从三维空间中的各种视角来验证包围对象的立方体的正确性。因此，与例如审核二维边界框相比，验证从激光雷达点云导出的对象通常需要多得多的时间。
[0006]此外，手动审核与三维激光雷达点云相关的对象或立方体的繁琐过程可能易于出错。例如，错误注释的立方体可能很容易被忽略，并且因此无法高质量地进行审核，因为审核者的注意力和动机在人工审核过程中可能降低。
[0007]因此，需要一种能够验证对象的注释并自动识别被错误注释的对象的方法和设备。

技术实现思路

[0008]本公开提供了一种根据独立权利要求的计算机实现的方法、计算机系统和非暂时性计算机可读介质。在从属权利要求、说明书和附图中给出了实施例。
[0009]在一个方面，本公开涉及一种用于验证对象的注释的计算机实现的方法。根据该方法，接收由传感器获取的多个空间数据点，所述空间数据点与所述传感器的外部环境相关，并且接收对象的注释数据，所述注释数据与所获取的空间数据点相关联并且包括每个相应对象的标识。经由处理单元，通过执行以下步骤确认对象的注释：确定该对象的至少一
个属性的目标范围；从所获取的空间数据点和/或从注释数据确定每个相应对象的所述至少一个属性的相应值，并且对于每个对象，如果所述至少一个属性的相应值在所述至少一个属性的目标范围之外，则将该对象识别为错误对象，所述错误对象被选择进行关于错误注释的审核。
[0010]传感器可以是例如激光雷达系统，并且所述空间数据点可以在其原点位于传感器处(例如在激光雷达系统处)的三维坐标系中定义。即，所述多个空间数据点也可被视为激光雷达点云。
[0011]传感器可以安装在车辆中。其中定义了空间数据点的三维坐标系因此可以替换地是车辆坐标系。
[0012]注释对象包括提供相应对象的标识或规范。该标识可以包括相应对象的分类，即，将该对象与多个预定义对象类别中的一个相关联，例如该对象是否是乘用车、卡车、行人等。此外，该标识可以包括相应对象的几何信息，例如关于该对象的尺寸和空间取向的信息。
[0013]在该方法能够对对象的注释执行验证步骤之前，该方法需要接收空间数据点，例如激光雷达点云，以及提供要对对象进行验证或评估的注释的注释数据。换句话说，空间数据点和注释数据是执行该方法的先决条件。
[0014]对象的至少一个属性的目标范围可以基于该属性的期望值来预定义，例如对于汽车的长度或宽度。另选地，如下所述，目标范围可以基于各自的概率分布来确定，该概率分布可以从数据点的选定部分和与该选定部分相关联的样本对象中导出。
[0015]被选择进行关于错误注释的审核的对象可作为要审核的对象的列表呈现给用户。因此，该方法自动地对位于传感器环境中并且在第一步骤(例如，手动地或通过一些模式识别系统)中(即，在执行该方法之前)被注释的对象区分优先级，以用于审核注释的第二步骤。该方法通过将所选择的对象指示为例如对象列表来执行对所有对象的注释的验证。因此，提高了最终注释的可靠性，因为可以预期对象的那些最严重的错误注释都将被检测到。
[0016]另一方面，只有对象总数的一部分或子集(即所选择的对象)必须关于错误的注释被审核。与对所有识别出的对象的注释的人工审核相比，这极大地减少了整个注释过程的努力。
[0017]根据一个实施例，相应对象的标识可以包括分类和预定义几何形状，其中，预定义几何形状与针对每个相应对象所获取的空间数据点的子集相关联。换句话说，由于预定义几何形状与被认为属于相应对象的那些空间数据点相关联，所以标识可以包括相应对象的类别及其假定的空间位置。这可以包括对象被几何形状紧密地包围，但是被完全覆盖，使得假定属于各个对象的数据点位于几何形状的内部。
[0018]预定义几何形状可以是立方体。立方体可以紧密地包围属于各个对象的空间数据点的子集，使得该子集完全位于立方体内。可以容易地确定各个立方体的尺寸和取向，这减少了执行该方法的努力。另选地，预定义几何形状可以是例如圆柱体或球体。
[0019]目标范围可以通过执行以下步骤来确定：选择空间数据点中包括针对多个样本对象中的每一个的空间数据点的相应子集的部分，基于所分配的几何形状和/或空间数据点的相应子集来确定每个样本对象的至少一个属性的相应值，基于样本对象的属性值的统计分布来估计属性的至少一个概率分布，以及从所述至少一个概率分布导出相应对象的所述
至少一个属性的目标范围。
[0020]必须以这样的方式确定可被选择并用于识别样本对象的空间数据点的部分，使得足够的统计基础可用于估计属性的至少一个概率分布。即，样本对象的数量以及因此至少一个属性的值的数量必须足够大，以便满足统计标准，用于基于至少一个属性的值可靠地导出概率分布。例如，可以通过从激光雷达系统的仪器视场内的某个连续区域中获取所有数据点来选择空间数据点的所述部分，其中可以调整该区域的大小直到包括足够数量的样本对象。
[0021]因此，该方法可以自动确定至少一个属性的目标范围。由于数据点的一部分被认为仅用于估计概率分布和用于导出目标范围，因此该实施例可能需要较低的计算工作量，尽管目标范围适合于关于至少一个属性的对象的统计分布。
[0022]根据实施例，对象(包括样本对象)的至少一个属性可以包括对象的空间位置的参数。例如，这些参数可以包括指定给传感器坐标系中每个对象的空间数据点的预定义几何形状的长度、宽度和高度以及偏航角、俯仰角和滚转角。通本文档来自技高网...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】1.一种验证对象(17)的注释的计算机实现的方法，所述方法包括：接收由传感器(13)获取的多个空间数据点(19)，其中，所述空间数据点(19)与所述传感器(13)的外部环境相关，接收与所获取的空间数据点(19)相关联的对象(17)的注释数据，所述注释数据包括每个相应对象(17)的标识，以及经由处理单元(15)通过执行以下步骤来验证所述对象(17)的注释：确定所述对象(17)的至少一个属性的目标范围(39)，从所获取的空间数据点(19)和/或从所述注释数据确定每个相应对象(17)的所述至少一个属性的相应值，以及对于每个对象(17)，如果所述至少一个属性的相应值在所述至少一个属性的所述目标范围(39)之外，则将该对象(17)识别为错误对象(25)，选择所述错误对象(25)进行关于错误注释的审核(27)。2.根据权利要求1所述的方法，其中，对相应对象(17)的识别包括分类和预定义几何形状(33)，所述预定义几何形状(33)与针对每个相应对象(17)所获取的空间数据点(19)的子集(31)相关联。3.根据权利要求2所述的方法，其中，所述预定义几何形状(33)是立方体。4.根据权利要求2或3所述的方法，其中，通过执行以下步骤来确定所述目标范围(39)：选择所述空间数据点(19)中包括针对多个样本对象中的每一个的空间数据点(19)的相应子集(31)的部分，基于所分配的几何形状(33)和/或所述空间数据点(19)的所述相应子集(31)来确定每个样本对象的所述至少一个属性的相应值，基于所述样本对象的属性值的统计分布来估计该属性的至少一个概率分布(37)，以及从所述至少一个概率分布(37)导出相应对象(17)的所述至少一个属性的目标范围(39)。5.根据权利要求4所述的方法，其中，基于至少一个概率分布(37)为所述至少一个属性的值确定概率值，并且如果所述概率值小于预定阈值，则所述至少一个属性的相应值在所述目标范围(39)之外。6.根据权利要求5中至少一项所述的方法，其中，针对关于错误注释的所述审核(27)预定义对象(17)的总数的百分比份额，并且针对所述...

【专利技术属性】
技术研发人员：U，
申请(专利权)人：APTIV，
类型：发明
国别省市：